基于小样本深度学习的一类冲击故障诊断

摘要

本申请公开了一种基于小样本深度学习的一类冲击故障诊断方法故障诊断，该方法包括：获取设备监测数据对应的迁移特征，得到迁移特征集；对迁移特征集进行重构，得到设备的训练集，训练集中包括设备的真实频域数据及虚拟频域数据；基于机器学习，对训练集进行训练，构建设备的故障诊断模型，故障诊断模型用于识别设备是否发生故障。本申请实施例依据设备的故障机理选择合适的迁移特征，并对迁移特征集进行重构，以生成丰富的训练集，最后对生成的训练集机型训练，构建设备的故障诊断模型，从而可以利用构建的故障诊断模型对设备是否发生故障进行准确的诊断，提高了设备故障诊断的准确度及效率，具备很好的变负载工况迁移能力。